Update app.py
Browse files
app.py
CHANGED
|
@@ -200,12 +200,12 @@ st.markdown('<div class="title">Application de Classification d\'Images</div>',
|
|
| 200 |
menu = st.sidebar.selectbox("Menu", ["🧠 Accueil", "🧠 Classification de l'état cérébral avec VGG16", "Comparatif entre modèles", "👨💻À propos"])
|
| 201 |
|
| 202 |
if menu == "🧠 Accueil":
|
| 203 |
-
st.write("Bienvenue dans notre application de classification d'images. Cette application a été développée pour la classification d'images dans le contexte du **Brain Tumor MRI images**, un dataset médical contenant des images de
|
| 204 |
|
| 205 |
st.write("""
|
| 206 |
Cette application a pour objectif de classer ces images en différentes catégories (**Healthy** Aucun problème: , **Tumor**: Tumeur cérébrale) à l'aide de modèles de machine learning.
|
| 207 |
Nous avons effectué du Transfer Learning sur trois modèles pré entrainés et avons fait un comparatif des trois avant de choisir **VGG16** comme celui avec les meilleurs caractéristiques.
|
| 208 |
-
Ces modèles ont été entraînés sur le dataset Brain Tumor MRI images et peuvent être utilisés pour prédire la catégorie d'une image donnée, en détectant des anomalies ou en validant l'état du
|
| 209 |
""")
|
| 210 |
|
| 211 |
# Création des onglets pour chaque modèle
|
|
@@ -272,7 +272,7 @@ elif menu == "🧠 Classification de l'état cérébral avec VGG16":
|
|
| 272 |
|
| 273 |
# Présentation de la fonctionnalité pour l'utilisateur
|
| 274 |
st.markdown("""
|
| 275 |
-
Cette section vous permet de **classer une image d'état
|
| 276 |
Le modèle utilise **VGG16**, une architecture d'apprentissage profond optimisée pour analyser les images.
|
| 277 |
Voici ce que vous devez faire :
|
| 278 |
1. Téléchargez une image au format `jpg`, `jpeg` ou `png`.
|
|
|
|
| 200 |
menu = st.sidebar.selectbox("Menu", ["🧠 Accueil", "🧠 Classification de l'état cérébral avec VGG16", "Comparatif entre modèles", "👨💻À propos"])
|
| 201 |
|
| 202 |
if menu == "🧠 Accueil":
|
| 203 |
+
st.write("Bienvenue dans notre application de classification d'images. Cette application a été développée pour la classification d'images dans le contexte du **Brain Tumor MRI images**, un dataset médical contenant des images de oncologiques, avec des catégories représentant des cerveaux normaux, des tumeurs .")
|
| 204 |
|
| 205 |
st.write("""
|
| 206 |
Cette application a pour objectif de classer ces images en différentes catégories (**Healthy** Aucun problème: , **Tumor**: Tumeur cérébrale) à l'aide de modèles de machine learning.
|
| 207 |
Nous avons effectué du Transfer Learning sur trois modèles pré entrainés et avons fait un comparatif des trois avant de choisir **VGG16** comme celui avec les meilleurs caractéristiques.
|
| 208 |
+
Ces modèles ont été entraînés sur le dataset Brain Tumor MRI images et peuvent être utilisés pour prédire la catégorie d'une image donnée, en détectant des anomalies ou en validant l'état du cerveau à partir des images oncologyques.
|
| 209 |
""")
|
| 210 |
|
| 211 |
# Création des onglets pour chaque modèle
|
|
|
|
| 272 |
|
| 273 |
# Présentation de la fonctionnalité pour l'utilisateur
|
| 274 |
st.markdown("""
|
| 275 |
+
Cette section vous permet de **classer une image d'état du cerveau** en fonction de son apparence.
|
| 276 |
Le modèle utilise **VGG16**, une architecture d'apprentissage profond optimisée pour analyser les images.
|
| 277 |
Voici ce que vous devez faire :
|
| 278 |
1. Téléchargez une image au format `jpg`, `jpeg` ou `png`.
|